CN113743161B - 花生果的果仁数量识别方法及装置 - Google Patents

花生果的果仁数量识别方法及装置 Download PDF

Info

Publication number
CN113743161B
CN113743161B CN202010477588.5A CN202010477588A CN113743161B CN 113743161 B CN113743161 B CN 113743161B CN 202010477588 A CN202010477588 A CN 202010477588A CN 113743161 B CN113743161 B CN 113743161B
Authority
CN
China
Prior art keywords
identified
effective
peanuts
determining
areas
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010477588.5A
Other languages
English (en)
Other versions
CN113743161A (zh
Inventor
伍奇胜
刘松
吴小号
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei Meyer Optoelectronic Technology Inc
Original Assignee
Hefei Meyer Optoelectronic Technology Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hefei Meyer Optoelectronic Technology Inc filed Critical Hefei Meyer Optoelectronic Technology Inc
Priority to CN202010477588.5A priority Critical patent/CN113743161B/zh
Publication of CN113743161A publication Critical patent/CN113743161A/zh
Application granted granted Critical
Publication of CN113743161B publication Critical patent/CN113743161B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Analysis (AREA)

Abstract

本发明提出一种花生果的果仁数量识别方法及装置,方法包括:获取待识别花生果的图像;根据所述图像,识别所述待识别花生果的有效凹陷区域的数量;根据所述有效凹陷区域的数量,确定所述待识别花生果的果仁数量。有效凹陷区域是由果仁在花生壳中分布所形成的,花生果的有效凹陷区域的数量与花生果的果仁数量具有一定的关联性,根据有效凹陷区域的数量,能够准确且快速的识别出待识别花生果的果仁数量。

Description

花生果的果仁数量识别方法及装置
技术领域
本发明涉图像识别技术领域,更涉及一种花生果的果仁数量识别方法及装置。
背景技术
花生果所含果仁的数量一般包括1个、2个和3个,分别将各数量对应的花生果称为单果、双果和三果。基于不同的需求(例如,按所含果仁数量对花生果定价),需要根据果仁数量对花生果进行识别与分选。目前对花生果果仁数量的识别,多数还是采用人工方式,效率低,而且基于人工识别,在长期工作的情况下,会产生疲劳,从而容易导致识别准确率较低。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的第一个目的在于提出一种花生果的果仁数量识别方法,所述方法包括:
获取待识别花生果的图像;
根据所述图像,识别所述待识别花生果的有效凹陷区域的数量;
根据所述有效凹陷区域的数量,确定所述待识别花生果的果仁数量。
应用本技术方案,有效凹陷区域是由果仁在花生壳中分布所形成的,花生果的有效凹陷区域的数量与花生果的果仁数量具有一定的关联性,根据有效凹陷区域的数量,能够准确且快速的识别出待识别花生果的果仁数量。
可选的,根据所述图像,识别所述待识别花生果的有效凹陷区域的数量,包括:
根据所述图像,识别所述待识别花生果的有效凹点;
根据所述有效凹点与所述有效凹陷区域的对应关系,确定所述待识别花生果的有效凹陷区域数量,其中,第一预设距离范围内的有效凹点对应同一个有效凹陷区域,其余一个有效凹点分别对应一个有效凹陷区域。
可选的,根据所述图像,识别所述待识别花生果的有效凹点,包括:
从所述图像中提取所述待识别花生果的外轮廓;
根据八邻域计算所述外轮廓的佛雷曼链码;
根据所述佛雷曼链码计算所述外轮廓每个点的链码差分;
根据链码差分为负值的每个点的凹陷程度确定有效凹点。
可选的,根据链码差分为负值的每个点的凹陷程度确定有效凹点,包括:
针对链码差分为负值的每个点,计算以该每个点为顶点,与所述顶点两侧距所述顶点为第二预设距离的点所确定的夹角;
判断所述顶点两侧距所述顶点为第二预设距离的点之间的中点是否为所述待识别花生果外部的点;
如果是,将所述夹角小于预设夹角阈值的顶点作为有效凹点。
可选的,根据所述图像,识别所述待识别花生果的有效凹陷区域的数量,包括:
根据所述图像和凸包检测算法,计算所述待识别花生果的凹陷区域;
将面积大于预设面积阈值的凹陷区域确定为有效凹陷区域;
确定所述有效凹陷区域的数量。
可选的,所述根据所述有效凹陷区域的数量,确定所述待识别花生果的果仁数量,包括:
如果所述有效凹陷区域的数量为4个以上,则确定所述待识别花生果的果仁数量为3个;
如果所述有效凹陷区域的数量为0个,则确定所述待识别花生果的果仁数量为1个;
如果所述有效凹陷区域的数量为1-3个,则通过椭圆拟合方式针对所述待识别花生果的外轮廓进行椭圆拟合,得到椭圆;
根据所述椭圆长轴长度确定所述待识别花生果的果仁数量。
可选的,所述根据椭圆长轴长度确定所述待识别花生果的果仁数量,包括:
如果椭圆长轴长度大于第一预设长度,则确定所述待识别花生果的果仁数量为3个;
如果椭圆长轴长度在所述第一预设长度和第二预设长度之间,则确定所述待识别花生果的果仁数量为2个,其中,所述第一预设长度大于所述第二预设长度;
如果所述椭圆长轴长度小于所述第二预设长度,则确定所述待识别花生果的果仁数量为1个。
可选的,所述根据所述有效凹陷区域的数量,确定所述待识别花生果的果仁数量,包括:
如果所述有效凹陷区域的数量为4个以上,则确定所述待识别花生果的果仁数量为3个;
如果所述有效凹陷区域的数量为0个,则确定所述待识别花生果的果仁数量为1个;
如果所述有效凹陷区域的数量为1-3个,则通过椭圆拟合方式针对所述待识别花生果的外轮廓进行椭圆拟合,得到椭圆;
将至所述椭圆长轴端点距离在第三预设距离范围内的有效凹陷区域确定为果嘴凹陷区域;
根据除去所述果嘴凹陷区域后,剩余的有效凹陷区域数量确定所述待识别花生果的果仁数量。
可选的,根据除去所述果嘴凹陷区域后,剩余的有效凹陷区域数量确定所述待识别花生果的果仁数量,包括:
确定除去所述果嘴凹陷区域后剩余的有效凹陷区域数量;
如果剩余的有效凹陷区域数量为0个,则确定所述待识别花生果的果仁数量为1个;
如果剩余的有效凹陷区域数量为2个,则判断该两个有效凹陷区域是否都位于距长轴中垂线第四预设距离范围内,如果是,确定所述待识别花生果的果仁数量为2个,否则为3个;
如果剩余的有效凹陷区域数量为3个,则确定所述待识别花生果的果仁数量为3个。
本发明的第二个目的在于提出一种花生果的果仁数量识别装置,所述装置包括:
获取模块,用于获取待识别花生果的图像;
识别模块,用于根据所述图像,识别所述待识别花生果的有效凹陷区域的数量;
果仁数量确定模块,用于根据所述有效凹陷区域的数量,确定所述待识别花生果的果仁数量。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明实施例提供的一种花生果的果仁数量识别方法的流程图;
图2为所含果仁数量为1个的花生果图像;
图3为所含果仁数量为2个的花生果图像;
图4为所含果仁数量为3个的花生果图像;
图5为本发明实施例提供的一种花生果的果仁数量识别装置的结构框图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
相关技术中,对花生果数量的识别,多数还是采用人工方式,效率低,而且人工长期工作的情况下,会产生疲劳,从而容易导致识别准确率较低。为了解决该技术问题,本发明实施例提供了一种花生果的果仁数量识别方法及装置。
参照图1,本发明实施例提供的花生果的果仁数量识别方法,方法包括:
S101、获取待识别花生果的图像。
以花生果的分选设备为例,分选设备的进料机构将批量的花生果送入拍摄区域,通过分选设备的高速相机对拍摄区域中运动的花生果进行图像采集,从而可以获得待识别花生果的图像。
S102、根据图像,识别待识别花生果的有效凹陷区域的数量;有效凹陷区域是能够表征花生果果仁分布特征的凹陷区域,实际为花生果果嘴端的果嘴凹陷区域和两粒果仁之间的凹陷区域,具体的,可以将满足预设尺寸条件的凹陷区域筛选为有效凹陷区域,例如,预设尺寸条件为面积大于预设面积阈值,预设面积阈值可以是参考待识别的大量花生果的目标凹陷区域的最小值设置的,目标凹陷区域是指两个果仁之间的最大凹陷区域(具体实现方式见后文,在此不做赘述),如图3所示,花生果上矩形框所框选出来的凹陷区域。再例如后文的预设尺寸条件涉及满足凹陷程度要求的有效凹点以及有效凹点间的距离分布等(具体实现方式见后文,在此不做赘述)。
在识别待识别花生果的有效凹陷区域的数量之前,可以对图像进行高斯平滑处理,并对图像进行二值化处理,对待识别花生果即图像中的单个连通域进行腐蚀处理,腐蚀处理后,不仅可以使得果仁之间的有效凹陷区域更加明显,而且使得粘连的多个待识别花生果被分割开,从而减少图像中的待识别花生果实际为多个粘连的花生果的现象,进而可以提高花生果果仁数量识别的准确性。
一种实施方式中,根据图像,识别待识别花生果的有效凹陷区域的数量,可以包括:
(1)根据图像,识别待识别花生果的有效凹点,有效凹点为能够表征花生果果仁分布特征的凹陷区域上的点,即为有效凹陷区域上的点,实际为花生果果嘴端的果嘴凹陷区域和两粒果仁之间的凹陷区域上的点。
具体的,从图像中提取待识别花生果的外轮廓,针对图像中的单个连通域即待识别的花生果提取外轮廓。根据八邻域计算外轮廓的佛雷曼链码;根据佛雷曼链码计算外轮廓每个点的链码差分。链码差分为负值的点为凹点,但是由于轮廓曲率不是绝对平直的变化,所以存在较多的不是在有效凹陷区域内的凹点,可以根据链码差分为负值的每个点的凹陷程度确定有效凹点。
(2)根据有效凹点与有效凹陷区域的对应关系,确定待识别花生果的有效凹陷区域数量,其中,第一预设距离范围内的有效凹点对应同一个有效凹陷区域,其余一个有效凹点分别对应一个有效凹陷区域。如果一个有效凹陷区域与其他有效凹陷区域的距离大于第一预设距离,则可以通过该有效凹点确定一个有效凹陷区域,如果一个有效凹点与其他有效凹点的距离小于第一预设距离,则通过该有效凹点和该其他有效凹点可以共同确定一个有效凹陷区域。针对一批待识别的花生果,第一预设距离尽可能大于多数花生果上单个有效凹陷区域上有效凹点之间的最大长度,且小于相邻有效凹陷区域的有效凹点之间的最小距离,以尽可能保证通过预设尺寸矩形滑动窗口(对角线的长度可以为第一预设距离),将每组位于第一预设距离范围内的有效凹点都确定出。
根据链码差分为负值的每个点的凹陷程度确定有效凹点,可以包括:针对链码差分为负值的每个点,计算该每个点的凹陷程度;将凹陷程度小于预设凹陷程度阈值的点确定为有效凹点,从而可以识别出位于有效凹陷区域的有效凹点。
当然,在其他实施方式中,根据链码差分为负值的每个点的凹陷程度确定有效凹点,可以包括:针对链码差分为负值的每个点,计算以该每个点为顶点,与顶点两侧距顶点为第二预设距离的点所确定的夹角,判断顶点两侧距顶点为第二预设距离的点之间的中点是否为待识别花生果外部的点;如果是即该中点为待识别花生果外部的点,将夹角小于预设夹角阈值的顶点作为有效凹点。记顶点为A2,以A2为顶点,向其两侧确定至A2距离等于第二预设距离的A1和A3点,例如,m为第二预设距离,例如,m可以为5。
根据以下公式计算由顶点A2(x2,y2)与顶点两侧距顶点A2(x2,y2)为第二预设距离的A1(x1,y1)和A3(x3,y3)点所确定的夹角∠A1A2A3即θ:
求得中心点坐标(取整):
判断中心点(x,y)是否在物料即待识别的花生果内,若在物料内则为凸点,去除,若在物料外,则可以通过该夹角确定有效凹点。该夹角越大,相对来说该顶点的凹陷程度越小;该夹角越小,相对来说该顶点的凹陷程度越大。也就是说,通过凹陷程度确定有效凹点的方式可以通过根据夹角确定有效凹点的方式实现。
另一种实施方式中,根据图像,识别待识别花生果的有效凹陷区域的数量,可以包括:
(1)根据图像和凸包检测算法,计算待识别花生果的凹陷区域。具体的,根据待识别花生果的外轮廓计算凸包区域,将计算得到的凸包区域减去待识别花生果区域,就可以获得待识别花生果的凹陷区域。
(2)将面积大于预设面积阈值的凹陷区域确定为有效凹陷区域。
(3)确定有效凹陷区域的数量。
由于生长环境的影响,花生果上的凹陷区域除了存在由于果仁分布形成的凹陷,还有其他类型的凹陷,如生长时花生果之间的挤压造成凹陷等,相对于其他类型的凹陷区域来说,与果仁分布具有关联性的有效凹陷区域的面积相对较大,通过面积阈值可以筛选出能够反应果仁分布特征的有效凹陷区域。
S103、根据有效凹陷区域的数量,确定待识别花生果的果仁数量。
有效凹陷区域是由果仁在花生壳中分布所形成的,花生果的有效凹陷区域的数量与花生果的果仁数量具有一定的关联性,根据有效凹陷区域的数量,能够准确且快速的识别出待识别花生果的果仁数量。
一种实施方式中,根据有效凹陷区域的数量,确定待识别花生果的果仁数量,包括:
如果有效凹陷区域的数量为4个以上,则确定待识别花生果的果仁数量为3个;如果有效凹陷区域的数量为0个,则确定待识别花生果的果仁数量为1个;如果有效凹陷区域的数量为1-3个,则通过椭圆拟合方式针对待识别花生果的外轮廓进行椭圆拟合,得到椭圆;根据椭圆长轴长度确定待识别花生果的果仁数量。
进一步的,根据椭圆长轴长度确定待识别花生果的果仁数量,包括:如果椭圆长轴长度大于第一预设长度,则确定待识别花生果的果仁数量为3个;如果椭圆长轴长度在第一预设长度和第二预设长度之间,则确定待识别花生果的果仁数量为2个,其中,第一预设长度大于第二预设长度;如果椭圆长轴长度小于第二预设长度,则确定待识别花生果的果仁数量为1个。其中,第一预设长度是参考批量待识别的含2个果仁的花生果和含3个果仁的花生果对应的椭圆的长轴长度设置的,根据统计的含2个果仁的花生果和含3个果仁的花生果对应的椭圆的长轴长度,确定用于区分含2个果仁的花生果和含3个果仁的花生果的分类边界,即第一预设长度;第二预设长度是参考批量待识别的含2个果仁的花生果和含1个果仁的花生果对应的椭圆的长轴长度设置的,根据统计的含1个果仁的花生果和含2个果仁的花生果对应的椭圆的长轴长度,确定用于区分含1个果仁的花生果和含2个果仁的花生果的分类边界,即第二预设长度。
另一种实施方式中,根据有效凹陷区域的数量,确定待识别花生果的果仁数量,包括:如果有效凹陷区域的数量为4个以上,则确定待识别花生果的果仁数量为3个;如果有效凹陷区域的数量为0个,则确定待识别花生果的果仁数量为1个;如果有效凹陷区域的数量为1-3个,则通过椭圆拟合方式针对待识别花生果的外轮廓进行椭圆拟合,得到椭圆;将至椭圆长轴端点距离在第三预设距离范围内的有效凹陷区域确定为果嘴凹陷区域,其中,第三预设距离是根据批量待识别的花生果中果嘴位置设置的,例如,第三预设距离可以为对应椭圆长轴的五分之一;根据除去果嘴凹陷区域后,剩余的有效凹陷区域数量确定待识别花生果的果仁数量。
进一步的,根据除去果嘴凹陷区域后,剩余的有效凹陷区域数量确定待识别花生果的果仁数量,包括:确定除去果嘴凹陷区域后剩余的有效凹陷区域数量;如果剩余的有效凹陷区域数量为0个,则确定待识别花生果的果仁数量为1个;如果剩余的有效凹陷区域数量为2个,则判断该两个有效凹陷区域是否都位于距长轴中垂线第四预设距离范围内,如果是,确定待识别花生果的果仁数量为2个,否则为3个;如果剩余的有效凹陷区域数量为3个,则确定待识别花生果的果仁数量为3个。其中,第四预设距离可以为是参考含2个果仁的花生果的有效凹陷区域的位置设置,例如,第四预设距离为20-40个像素中的任一值。
基于上述方法实施例相同的发明构思,本发明实施例还提供了一种花生果的果仁数量识别装置,参照图5,该装置包括:获取模块11、识别模块12和确定模块13。
其中,获取模块11,用于获取待识别花生果的图像;识别模块12,用于根据图像,识别待识别花生果的有效凹陷区域的数量;确定模块13,用于根据有效凹陷区域的数量,确定待识别花生果的果仁数量。
有效凹陷区域是由果仁在花生壳中分布所形成的,花生果的有效凹陷区域的数量与花生果的果仁数量具有一定的关联性,根据有效凹陷区域的数量,能够准确且快速的识别出待识别花生果的果仁数量。
一种实施方式中,识别模块12具体包括:识别单元和第一确定单元。
识别单元,用于根据图像,识别待识别花生果的有效凹点;
第一确定单元,用于根据有效凹点与有效凹陷区域的对应关系,确定待识别花生果的有效凹陷区域数量,其中,第一预设距离范围内的有效凹点对应同一个有效凹陷区域,其余一个有效凹点分别对应一个有效凹陷区域。识别单元,具体用于:轮廓提取子单元、第一计算子单元、第二计算子单元和确定子单元。
其中,轮廓提取子单元,用于从图像中提取待识别花生果的外轮廓;第一计算子单元,用于根据八邻域计算外轮廓的佛雷曼链码;第二计算子单元,用于根据佛雷曼链码计算外轮廓每个点的链码差分;确定子单元,用于根据链码差分为负值的每个点的凹陷程度确定有效凹点。
确定子单元,具体用于:针对链码差分为负值的每个点,计算以该每个点为顶点,与顶点两侧距顶点为第二预设距离的点所确定的夹角;判断顶点两侧距顶点为第二预设距离的点之间的中点是否为待识别花生果外部的点;如果是,将夹角小于预设夹角阈值的顶点作为有效凹点。
另一种实施方式中,识别模块12具体包括:计算单元、第二确定单元和第十确定单元。
计算单元,用于根据图像和凸包检测算法,计算待识别花生果的凹陷区域;第二确定单元,用于将面积大于预设面积阈值的凹陷区域确定为有效凹陷区域;第十确定单元,用于确定有效凹陷区域的数量。
一种实施方式中,确定模块13包括:第三确定单元、第四确定单元、第一拟合单元和第五确定单元。
其中,第三确定单元,用于如果有效凹陷区域的数量为4个以上,则确定待识别花生果的果仁数量为3个;第四确定单元,用于如果有效凹陷区域的数量为0个,则确定待识别花生果的果仁数量为1个;第一拟合单元,用于如果有效凹陷区域的数量为1-3个,则通过椭圆拟合方式针对待识别花生果的外轮廓进行椭圆拟合,得到椭圆;第五确定单元,用于根据椭圆长轴长度确定待识别花生果的果仁数量。
进一步的,第五确定单元包括:第一确定子单元、第二确定子单元和第三确定子单元。
其中,第一确定子单元,用于如果椭圆长轴长度大于第一预设长度,则确定待识别花生果的果仁数量为3个;第二确定子单元,用于如果椭圆长轴长度在第一预设长度和第二预设长度之间,则确定待识别花生果的果仁数量为2个,其中,第一预设长度大于第二预设长度;第三确定子单元,用于如果椭圆长轴长度小于第二预设长度,则确定待识别花生果的果仁数量为1个。
另一种实施方式中,确定模块13包括:第六确定单元、第七确定单元、第二拟合单元、第八确定单元和第九确定单元。
其中,第六确定单元,用于如果有效凹陷区域的数量为4个以上,则确定待识别花生果的果仁数量为3个;第七确定单元,用于如果有效凹陷区域的数量为0个,则确定待识别花生果的果仁数量为1个;第二拟合单元,用于如果有效凹陷区域的数量为1-3个,则通过椭圆拟合方式针对待识别花生果的外轮廓进行椭圆拟合,得到椭圆;第八确定单元,用于将至椭圆长轴端点距离在第三预设距离范围内的有效凹陷区域确定为果嘴凹陷区域;第九确定单元,用于根据除去果嘴凹陷区域后,剩余的有效凹陷区域数量确定待识别花生果的果仁数量。
进一步的,第九确定单元,具体用于:确定除去果嘴凹陷区域后剩余的有效凹陷区域数量;如果剩余的有效凹陷区域数量为0个,则确定待识别花生果的果仁数量为1个;如果剩余的有效凹陷区域数量为2个,则判断该两个有效凹陷区域是否都位于距长轴中垂线第四预设距离范围内,如果是,确定待识别花生果的果仁数量为2个,否则为3个;如果剩余的有效凹陷区域数量为3个,则确定待识别花生果的果仁数量为3个。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种花生果的果仁数量识别方法,其特征在于,所述方法包括:
获取待识别花生果的图像;
根据所述图像,识别所述待识别花生果的有效凹陷区域的数量,所述有效凹陷区域为所述待识别花生果外轮廓上满足预设尺寸要求的凹陷区域;
根据所述有效凹陷区域的数量,确定所述待识别花生果的果仁数量。
2.根据权利要求1所述的方法,其特征在于,根据所述图像,识别所述待识别花生果的有效凹陷区域的数量,包括:
根据所述图像,识别所述待识别花生果的有效凹点,所述有效凹点为所述待识别花生果外轮廓上满足凹陷程度要求的凹点;
根据所述有效凹点与所述有效凹陷区域的对应关系,确定所述待识别花生果的有效凹陷区域数量,其中,第一预设距离范围内的有效凹点对应同一个有效凹陷区域,其余一个有效凹点分别对应一个有效凹陷区域。
3.根据权利要求2所述的方法,其特征在于,根据所述图像,识别所述待识别花生果的有效凹点,包括:
从所述图像中提取所述待识别花生果的外轮廓;
根据八邻域计算所述外轮廓的佛雷曼链码;
根据所述佛雷曼链码计算所述外轮廓每个点的链码差分;
根据链码差分为负值的每个点的凹陷程度确定有效凹点。
4.根据权利要求3所述的方法,其特征在于,根据链码差分为负值的每个点的凹陷程度确定有效凹点,包括:
针对链码差分为负值的每个点,计算以该每个点为顶点,与所述顶点两侧距所述顶点为第二预设距离的点所确定的夹角;
判断所述顶点两侧距所述顶点为第二预设距离的点之间的中点是否为所述待识别花生果外部的点;
如果是,将所述夹角小于预设夹角阈值的顶点作为有效凹点。
5.根据权利要求1所述的方法,其特征在于,根据所述图像,识别所述待识别花生果的有效凹陷区域的数量,包括:
根据所述图像和凸包检测算法,计算所述待识别花生果的凹陷区域;
将面积大于预设面积阈值的凹陷区域确定为有效凹陷区域;
确定所述有效凹陷区域的数量。
6.根据权利要求1所述的方法,其特征在于,所述根据所述有效凹陷区域的数量,确定所述待识别花生果的果仁数量,包括:
如果所述有效凹陷区域的数量为4个以上,则确定所述待识别花生果的果仁数量为3个;
如果所述有效凹陷区域的数量为0个,则确定所述待识别花生果的果仁数量为1个;
如果所述有效凹陷区域的数量为1-3个,则通过椭圆拟合方式针对所述待识别花生果的外轮廓进行椭圆拟合,得到椭圆;
根据所述椭圆长轴长度确定所述待识别花生果的果仁数量。
7.根据权利要求6所述的方法,其特征在于,所述根据椭圆长轴长度确定所述待识别花生果的果仁数量,包括:
如果椭圆长轴长度大于第一预设长度,则确定所述待识别花生果的果仁数量为3个;
如果椭圆长轴长度在所述第一预设长度和第二预设长度之间,则确定所述待识别花生果的果仁数量为2个,其中,所述第一预设长度大于所述第二预设长度;
如果所述椭圆长轴长度小于所述第二预设长度,则确定所述待识别花生果的果仁数量为1个。
8.根据权利要求1所述的方法,其特征在于,所述根据所述有效凹陷区域的数量,确定所述待识别花生果的果仁数量,包括:
如果所述有效凹陷区域的数量为4个以上,则确定所述待识别花生果的果仁数量为3个;
如果所述有效凹陷区域的数量为0个,则确定所述待识别花生果的果仁数量为1个;
如果所述有效凹陷区域的数量为1-3个,则通过椭圆拟合方式针对所述待识别花生果的外轮廓进行椭圆拟合,得到椭圆;
将至所述椭圆长轴端点距离在第三预设距离范围内的有效凹陷区域确定为果嘴凹陷区域;
根据除去所述果嘴凹陷区域后,剩余的有效凹陷区域数量确定所述待识别花生果的果仁数量。
9.根据权利要求8所述的方法,其特征在于,根据除去所述果嘴凹陷区域后,剩余的有效凹陷区域数量确定所述待识别花生果的果仁数量,包括:
确定除去所述果嘴凹陷区域后剩余的有效凹陷区域数量;
如果剩余的有效凹陷区域数量为0个,则确定所述待识别花生果的果仁数量为1个;
如果剩余的有效凹陷区域数量为2个,则判断该两个有效凹陷区域是否都位于距长轴中垂线第四预设距离范围内,如果是,确定所述待识别花生果的果仁数量为2个,否则为3个;
如果剩余的有效凹陷区域数量为3个,则确定所述待识别花生果的果仁数量为3个。
10.一种花生果的果仁数量识别装置,其特征在于,所述装置包括:
获取模块,用于获取待识别花生果的图像;
识别模块,用于根据所述图像,识别所述待识别花生果的有效凹陷区域的数量,所述有效凹陷区域为所述待识别花生果外轮廓上满足预设尺寸要求的凹陷区域;
果仁数量确定模块,用于根据所述有效凹陷区域的数量,确定所述待识别花生果的果仁数量。
CN202010477588.5A 2020-05-29 2020-05-29 花生果的果仁数量识别方法及装置 Active CN113743161B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010477588.5A CN113743161B (zh) 2020-05-29 2020-05-29 花生果的果仁数量识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010477588.5A CN113743161B (zh) 2020-05-29 2020-05-29 花生果的果仁数量识别方法及装置

Publications (2)

Publication Number Publication Date
CN113743161A CN113743161A (zh) 2021-12-03
CN113743161B true CN113743161B (zh) 2024-04-09

Family

ID=78724814

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010477588.5A Active CN113743161B (zh) 2020-05-29 2020-05-29 花生果的果仁数量识别方法及装置

Country Status (1)

Country Link
CN (1) CN113743161B (zh)

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103039179A (zh) * 2012-12-06 2013-04-17 青岛农业大学 背负式花生捡拾摘果联合收获机
CN103169399A (zh) * 2013-03-11 2013-06-26 慈溪市飞杰电器厂 一种指套式花生或瓜子去皮装置
CN203057848U (zh) * 2012-12-06 2013-07-17 青岛农业大学 曲面无齿摘果机构
CN104082800A (zh) * 2014-06-27 2014-10-08 合肥徽之皇食品集团有限公司 一种烘烤的香味花生米及其制备方法
CN104331702A (zh) * 2014-11-03 2015-02-04 黄辉 基于图像识别的茶叶鲜叶分叉数量识别方法
CN105877328A (zh) * 2014-12-05 2016-08-24 贵州省遵义市子鱼印象文化传媒有限责任公司 一种新型按摩枕
CN205993088U (zh) * 2016-08-19 2017-03-08 河源市李旭农业机械设备有限公司 一种花生播种机的播种出料机构
CN106780377A (zh) * 2016-12-07 2017-05-31 天津大学 一种医学图像分割中基于Freeman链码的轮廓平滑方法
CN207439230U (zh) * 2017-11-16 2018-06-01 南方英特空调有限公司 一种带有凹陷涡发生器的散热器扁管
CN108520261A (zh) * 2018-03-01 2018-09-11 中国农业大学 一种花生果仁数量的识别方法和装置
CN108776802A (zh) * 2018-04-18 2018-11-09 中国农业大学 一种花生品种识别方法及系统
CN108844471A (zh) * 2018-08-02 2018-11-20 成都天衡智造科技有限公司 一种对圆形工件边缘凹陷区域向圆心延伸长度的测量方法及装置
CN109060827A (zh) * 2018-10-05 2018-12-21 深圳智检慧通科技有限公司 一种智能视觉检测识别设备
CN109345551A (zh) * 2018-09-18 2019-02-15 清华大学 图像外轮廓中凹包络的检测方法、系统及计算机存储介质
CN109527071A (zh) * 2018-11-22 2019-03-29 辽宁省农业科学院 一种蓝莓果实的货架保鲜联合处理方法
CN110246140A (zh) * 2019-05-14 2019-09-17 电子科技大学 一种改进的基于凹点匹配的粘连颗粒目标分割方法
CN110348199A (zh) * 2019-07-17 2019-10-18 上海图趣信息科技有限公司 基于验证码的图片标注系统、方法、存储介质及图片识别自学习系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7116823B2 (en) * 2002-07-10 2006-10-03 Northrop Grumman Corporation System and method for analyzing a contour of an image by applying a Sobel operator thereto
EP2066183B1 (fr) * 2006-09-04 2017-02-01 Barry Callebaut AG Procede d'elaboration de chocolats et/ou compositions chocolatees/cacaotees

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103039179A (zh) * 2012-12-06 2013-04-17 青岛农业大学 背负式花生捡拾摘果联合收获机
CN203057848U (zh) * 2012-12-06 2013-07-17 青岛农业大学 曲面无齿摘果机构
CN103169399A (zh) * 2013-03-11 2013-06-26 慈溪市飞杰电器厂 一种指套式花生或瓜子去皮装置
CN104082800A (zh) * 2014-06-27 2014-10-08 合肥徽之皇食品集团有限公司 一种烘烤的香味花生米及其制备方法
CN104331702A (zh) * 2014-11-03 2015-02-04 黄辉 基于图像识别的茶叶鲜叶分叉数量识别方法
CN105877328A (zh) * 2014-12-05 2016-08-24 贵州省遵义市子鱼印象文化传媒有限责任公司 一种新型按摩枕
CN205993088U (zh) * 2016-08-19 2017-03-08 河源市李旭农业机械设备有限公司 一种花生播种机的播种出料机构
CN106780377A (zh) * 2016-12-07 2017-05-31 天津大学 一种医学图像分割中基于Freeman链码的轮廓平滑方法
CN207439230U (zh) * 2017-11-16 2018-06-01 南方英特空调有限公司 一种带有凹陷涡发生器的散热器扁管
CN108520261A (zh) * 2018-03-01 2018-09-11 中国农业大学 一种花生果仁数量的识别方法和装置
CN108776802A (zh) * 2018-04-18 2018-11-09 中国农业大学 一种花生品种识别方法及系统
CN108844471A (zh) * 2018-08-02 2018-11-20 成都天衡智造科技有限公司 一种对圆形工件边缘凹陷区域向圆心延伸长度的测量方法及装置
CN109345551A (zh) * 2018-09-18 2019-02-15 清华大学 图像外轮廓中凹包络的检测方法、系统及计算机存储介质
CN109060827A (zh) * 2018-10-05 2018-12-21 深圳智检慧通科技有限公司 一种智能视觉检测识别设备
CN109527071A (zh) * 2018-11-22 2019-03-29 辽宁省农业科学院 一种蓝莓果实的货架保鲜联合处理方法
CN110246140A (zh) * 2019-05-14 2019-09-17 电子科技大学 一种改进的基于凹点匹配的粘连颗粒目标分割方法
CN110348199A (zh) * 2019-07-17 2019-10-18 上海图趣信息科技有限公司 基于验证码的图片标注系统、方法、存储介质及图片识别自学习系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"花生数量性状相关分析";蒋祥林;《西南大学学报(自然科学版)》;第9卷(第1期);全文 *
基于卷积神经网络的花生籽粒完整性识别算法及应用;赵志衡;宋欢;朱江波;卢雷;孙磊;;农业工程学报(第21期);全文 *

Also Published As

Publication number Publication date
CN113743161A (zh) 2021-12-03

Similar Documents

Publication Publication Date Title
US7373018B2 (en) Method and system for object recognition using fractal maps
CN113109368B (zh) 玻璃裂纹检测方法、装置、设备及介质
CN114627092A (zh) 缺陷检测方法、装置、电子设备及可读存储介质
CN110517265B (zh) 一种产品表面缺陷的检测方法、装置及存储介质
CN115147414A (zh) 一种双极型功率晶体管表面击穿缺陷检测方法
CN107609558A (zh) 文字图像处理方法及装置
CN115578389A (zh) 一种沟槽mos器件的缺陷检测方法
CN116664559A (zh) 基于机器视觉的内存条损伤快速检测方法
US7062079B2 (en) Method and system for image segmentation
CN115049736B (zh) 用于电缆表面缺陷精准定位的方法
CN109993758A (zh) 分割方法、分割装置、计算机设备及存储介质
CN109389116B (zh) 一种字符检测方法及装置
CN117094975A (zh) 钢铁表面缺陷检测方法、装置及电子设备
CN111814852A (zh) 图像检测方法、装置、电子设备和计算机可读存储介质
CN109978903B (zh) 一种标识点识别方法、装置、电子设备及存储介质
CN114693651A (zh) 基于图像处理的橡胶圈流痕检测方法及装置
JP2010503936A (ja) 画像処理のための方法および装置
CN113743161B (zh) 花生果的果仁数量识别方法及装置
JP2004030188A (ja) 画像の領域分割方法、画像の領域分割装置、画像の領域分割プログラム
CN112329845B (zh) 更换纸币的方法、装置、终端设备及计算机可读存储介质
CN116503382B (zh) 一种显示屏划痕缺陷检测的方法和系统
CN112926695A (zh) 基于模板匹配的图像识别方法和系统
CN115861315A (zh) 缺陷检测方法和装置
CN111932515B (zh) 产品残留类缺陷的短路检测方法及系统及缺陷分类系统
CN112633289B (zh) 一种粘连字符分割方法和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant